<![CDATA[Perguruan Tinggi merupakan penyelenggara pendidikan akademik dan diharapkan dapat menyelenggarakan pendidikan yang berkualitas bagi mahasiswa sehingga menghasilkan sumber daya manusia yang berilmu, cakap, kreatif dan bersaing. Banyak aspek yang dapat dijadikan tolak ukur kualitas Perguruan Tinggi salah satunya adalah mahasiswa. oleh karena itu, perguruan tinggi perlu memperhatikan tingkat kelulusan mahasiswa yang lulus tepat waktu. Presentasi naik turunnya kemampuan mahasiswa dalam menyelesaikan studi tepat waktu merupakan salah satu faktor elemen penilaian akreditasi kampus sehingga dapat menjadi kendala untuk kemajuan perguruan tinggi dan mempengaruhi tingkat kualitas sebuah perguruan tinggi. Fakultas Ekonomi dan Bisnis merupakan salah satu Fakultas yang berada di Universitas Muslim Indonesia. Tidak stabilnya kelulusan mahasiswa pada setiap tahun di Fakultas Ekonomi dan Bisnis menjadi tugas yang harus diselesaikan bagi program studi karena dapat menyebabkan terjadinya penumpukan data mahasiswa. Tujuan penelitian ini yaitu mengimplementasikan algoritma KNN (K- Nearest Neighbour) yang merupakan teknik klasifikasi data yang kuat, dengan cara mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama berdasarkan pencocokan bobot. Metode ini digunakan dalam memprediksi kelulusan mahasiswa Fakultas Ekonomi dan Bisnis angkatan 2017 dengan menggunakan 130 dataset mahasiswa yang diambil dari data mahasiswa pada Fakultas Ekonomi dan Bisnis yang dibagi menjadi 100 data testing angkatan 2016 dan 30 data uji angkatan 2017. Berdasarkan hasil pengujian sistem didapatkan nilai K dengan tingkat akurasi terbaik adalah K=17 dan K=19 dengan hasil persentase 100% yang menyatakan akurasi perfoma metode.]]>
